MétaCan
Menu
Retour à la cohorte
Enregistrement W2606854174 · doi:10.1139/cjfr-2016-0457

Fuel-related fire-behaviour relationships for mixed live and dead fuels burned in the laboratory

2017· article· en· W2606854174 sur OpenAlexvenueno aff
Carlos G. Rossa, Paulo M. Fernandes

Notice bibliographique

RevueCanadian Journal of Forest Research · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundFundação para a Ciência e a Tecnologia
Mots-clésEnvironmental scienceWind speedFuel mass fractionFuel efficiencyWater contentLitterSolid fuelAtmospheric sciencesMeteorologyWaste managementCombustionEngineeringVapor lockChemistryGeologyGeotechnical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

A laboratory experimental program addressing fire spread in fuel beds composed of dead foliage litter and vertically placed quasi-live branches, representative of many natural fuel complexes, was carried out for either still-air or wind conditions. Fuel-bed characteristics, fire spread rate, flame geometry, and fuel consumption were assessed and empirical models for estimating several parameters were developed. Weighted fuel moisture content (18%–163%) provided good estimates of fire-behaviour characteristics and accounted for most of the variation in still-air and wind-driven spread rate (0.1–1.3 m·min−1). When predicting still-air fire spread rate, fuel height was the most relevant fuel-bed structural parameter and fuel type had significant influence, whereas for wind-driven spread, the effect of foliar fuel-bed density was dominant and fuel type became irrelevant. Flame length (0.4–2.2 m) increased from still-air to wind-assisted (8 km·h−1) fire spread, but its height remained constant. The fraction of total fuel load and mean woody fuel diameter consumed by fire were reasonably predicted from weighted fuel moisture content alone, but predictions for the latter variable improved substantially by adding foliar fuel load.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,050
Tête enseignante GPT0,306
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetFire effects on ecosystemsTravaux en français237 207